2,…，N;结构元素采用扁平型，其定义域Dg= -SEL/2,…，0,…，SEL/2,SEL为结构元素 的长度，取为50个采样点，n与m为采样点索引。累积能量函数的数学形态学梯度按下式 计算：
[0064]mg(n)=E?g(n)-E0g(n) (3)
[0065] (c)计算累积能量函数数学形态学梯度的陡峭度，计算公式为：
[0070] 其中，tk表示第k个采样点对应的时刻，mgA对应时刻的数学形态学梯度数值； 将4作为随机变量，mgk作为对应的概率值，则pk为将数学形态学梯度数值作为概率计算得 到概率密度值，y为巩的1阶原点矩，〇 2为t!^勺2阶中心矩。
[0071] 作为一种实施例，计算图3(a)小波分解各尺度信号的数学形态学梯度，数学形 态学梯度波形如图3(b)所示，计算得到dl、d2、d3、d4、d5、d6及a6尺度的陡峭度分别 为-I. 2、-I. 2、-0? 54、5. 49、3. 59、-I. 15 及-I. 26。根据各尺度波形，尺度dl、d2、d6 及a6 波形在整个时间内幅值基本相同，故这些尺度仅包含噪声；尺度d3、d4及d5均包含明显的 脉冲信号，说明这些尺度包含局部放电信号。尺度d3、d4及d5包含局部放电信号，可以看 出其陡峭度明显大于仅包含噪声的dl、d2、d6及a6尺度。
[0072] 本步骤中所述的阈值Kt，需要通过对大量特高频信号的统计分析得到，具体步骤 为：
[0073] (a)在实验室内及现场电力设备内采集不少于20组局部放电特高频信号；
[0074] (b)根据选取的母小波与分解层数，对局部放电信号进行小波多尺度分解，得到各 尺度小波系数与信号波形；对于各尺度信号，若信号波形呈现脉冲型，则该尺度包含局部放 电信号；若信号幅值随时间变化不大，则该尺度仅包含噪声信号；
[0075] (C)根据陡峭度计算方法，计算所有信号各尺度的陡峭度；
[0076] (d)根据步骤（b)中判断各尺度是否包含局部放电信号，及步骤（C)计算的各尺度 的陡峭度，分别计算仅包含噪声的尺度与包含局部放电信号的尺度的陡峭度范围，选取某 一可将两者范围有效区分的阈值，作为步骤（3)中的比较阈值Kt。
[0077] 作为一种实施例，本发明采用步骤（1)中实验布置测量了 20组特高频信号，并根 据步骤（2)对所有信号进行小波分解，针对小波分解后各尺度信号是否含有脉冲判断该 尺度是否含有局部放电信号，根据步骤（3)计算了所有信号小波分解后数学形态学梯度 的陡峭度，如图4所示。可以看出包含局部放电信号尺度的数学形态学梯度陡峭度范围 为-0. 9~6,仅包含噪声的尺度的数学形态学梯度陡峭度范围为-1. 3~-0. 7,两者数值范 围存在相交区域-〇. 9~-0. 7,但该区域内样本点数目已经很少，说明将阈值Kt取为-0. 8可 基本将包含局部放电尺度与噪声尺度区分开。由于某些尺度包含较弱的局部放电信号，其 Ku与仅含噪声尺度比较接近，因此很难得到一个可以完全区分包含局部放电尺度与仅包含 噪声尺度的阈值。如果需要保留更多的局部放电信息，可适当调低Kt值；若想更多地去除 噪声，可适当提高Kt值。
[0078] 本步骤中所述的将陡峭度与某一阈值进行比较，若陡峭度大于该阈值认为该尺度 包含局部放电信号，否则仅包含噪声信号；将仅包含噪声的尺度的小波系数置为零，包含局 部放电信号的尺度小波系数保持不变。
[0079] 作为一种实施例，以前述步骤确定的-0.8作为阈值，判断图1信号各尺度是 否包含局部放电信号，根据前述计算，dl、d2、d3、d4、d5、d6及a6尺度的陡峭度分别 为-I. 2、-l. 2、-0. 54、5. 49、3. 59、-l. 15 及-I. 26。尺度d3、d4 及d5 陡峭度大于阈值-0? 8， 说明其包含局部放电信号，这些尺度小波系数保持不变；dl、d2、d6及a6尺度的陡峭度小 于-0. 8,这些尺度仅包含噪声，其小波系数置为零。
[0080] (4)根据处理后的小波系数进行小波重构，得到去噪后的局部放电特高频信号。
[0081] 作为一种实施例，对图2(a)所示信号加入信噪比为-3dB的白噪声，并分别采用 传统小波分解阈值去噪与小波分解二值去噪方法对其进行去噪。图5(a)为检测到的特高 频信号、加入信噪比为_3dB白噪声后的特高频信号、传统小波分解阈值去噪后的特高频信 号及小波分解二值去噪后的特高频信号波形。可以看出，传统小波分解阈值去噪去掉了全 部噪声；小波分解二值去噪将原始峰-峰值〇. 012V的噪声降低为0. 005V，去除了大部分噪 声。图5(b)为原始采集的信号、传统小波分解去噪后信号及小波分解二值去噪后信号波形 在-5ns-10ns时间内对比图，分析了去噪前后特高频信号波形的变化及去噪对信号起始时 刻的影响，可以看出小波分解二值去噪对信号波形畸变很小，对信号起始时刻影响较小；传 统小波分解阈值去噪后信号波形畸变严重，造成信号起始时刻误差增大。
[0082]为了进一步说明本发明提出的小波分解二值去噪算法的有益效果，本发明同时利 用两个不同位置的特高频传感器测量局部放电信号，根据局部放电源与两个传感器位置的 距离差及传播速度，可计算出信号真实时间差。本发明通过检测得到的特高频信号确定时 间差，具体步骤为：利用小波分解算法进行对特高频信号进行去噪，利用累积能量拐点法确 定信号之间的时间差。图6为利用某次测量原始信号、传统小波分解去噪后信号及小波二 值分解去噪后信号确定的时间差值，可以看出传统小波分解去噪后确定的时间差与真实时 间差-2. 55ns相差极大，而小波二值分解去噪后确定的时间差与真实时间差-2. 55ns最接 近，且受噪声水平的影响较小。
[0083]本领域的技术人员容易理解，以上所述仅作为本发明的实施案例，并不用以限制 本发明，凡在本发明的精神和原则之内所做的任何修改、替换或变更，均应包含在本发明的 保护范围之内。
【主权项】
1. 局部放电特高频信号波形的小波分解二值去噪方法，其特征在于，包括如下步骤： 1) 在被检测的电力设备上安装局部放电特高频传感器，利用检测设备采集局部放电特 高频信号； 2) 选取与局部放电特高频信号波形相似的母小波，设置分解层数，对局部放电信号进 行小波多尺度分解，得到各尺度小波系数与信号波形； 3) 以减小局部放电特高频信号波形畸变为目标，对小波分解系数进行处理，具体方 法为：计算各尺度信号累积能量函数的数学形态学梯度，并计算数学形态学梯度的陡峭度 Ku;将各尺度信号的陡峭度与某一阈值&进行比较，若陡峭度大于该阈值，该尺度包含局部 放电信号，否则仅包含噪声信号；将仅包含噪声的尺度的小波系数置为零，包含局部放电信 号的尺度的小波系数保持不变； 4) 根据处理后的小波系数进行小波重构，得到去噪后的局部放电特高频信号。2. 根据权利要求1所述的局部放电特高频信号波形的小波分解二值去噪方法，其特征 在于，步骤2)所述的选取与局部放电特高频信号波形相似的母小波，为db系列与sym系列 母小波。3. 根据权利要求1所述的局部放电特高频信号波形的小波分解二值去噪方法，其特征 在于，步骤2)所述的设置分解层数为5~20层。4. 根据权利要求1所述的局部放电特高频信号波形的小波分解二值去噪方法，其特征 在于，步骤2)所述的对局部放电信号进行小波多尺度分解，具体为采用Mallat多尺度算法 进行小波分解。5. 根据权利要求1所述的局部放电特高频信号波形的小波分解二值去噪方法，其特征 在于，步骤3)所述的计算各尺度信号累积能量函数的数学形态学梯度，并计算数学形态学 梯度的陡峭度，包括以下步骤： (a) 若第i个尺度的信号SU1 (t)，求取该信号的累积能量函数：其中，E(tk)为tk时刻的累积能量函数值，N为信号的采样点数，t,为第j个采样点对 应的时刻；为了去除信号幅度的影响，将累积能量函数除以总累积能量进行归一化； (b) 求取累积能量函数的数学形态学梯度，数学形态学的基本运算为腐蚀与膨胀，若累 积能量函数为E，则E关于结构元素g的膨胀E?g和腐蚀E?g分别定义为： E十g(n) =max{E(n-m)+g(m) | (n-m)GDE，mGDg} (2) E?g(n) =min{E(n+m)-g(m)I(n+m)GDE，mGDg} 式中，DE、Dg分别为累积能量函数E及结构元素g的定义域，定义域为DE= 1，2,???，N; 结构元素采用扁平型，其定义域Dg= -SEL/2,…，0,…，SEL/2,SEL为结构元素的长度，取为 50个采样点，n与m为采样点索引；累积能量函数的数学形态学梯度为膨胀与腐蚀运算之 差： mg(n) =E?g(n)-E0g(n) (3) (c) 计算累积能量函数数学形态学梯度的陡峭度Ku，计算公式为：其中，tk表示第k个采样点对应的时刻，mg,为对应时刻的数学形态学梯度数值；将" 作为随机变量，mgk作为对应的概率值，则pk为将数学形态学梯度数值作为概率计算得到概 率密度值，y为1^的1阶原点矩，〇 2为t!^勺2阶中心矩。6.根据权利要求1所述的局部放电特高频信号波形的小波分解二值去噪方法，其特征 在于，步骤3)所述的阈值Kt，通过对大量特高频信号的统计分析得到，具体步骤为： (a) 在实验室内及现场电力设备内采集不少于20组局部放电特高频信号； (b) 根据选取的母小波与分解层数，对局部放电信号进行小波多尺度分解，得到各尺度 小波系数与信号波形；对于各尺度信号，若信号波形呈现脉冲型，则该尺度包含局部放电信 号；若信号幅值随时间变化不大，则该尺度仅包含噪声信号； (c) 根据陡峭度计算方法，计算所有信号各尺度的陡峭度； (d) 根据步骤（b)中判断各尺度是否包含局部放电信号，及步骤（c)计算的各尺度的陡 峭度，分别计算仅包含噪声的尺度与包含局部放电信号的尺度的陡峭度范围，选取某一可 将两者范围有效区分的阈值，作为步骤3)中的比较阈值Kt。
【专利摘要】本发明局部放电特高频信号波形的小波分解二值去噪方法，包括：1)在被检测的电力设备上安装局部放电特高频传感器，利用检测设备采集局部放电特高频信号；2)根据选取的母小波与分解层数，对局部放电信号进行多尺度小波分解，得到各尺度小波系数与信号波形；3)以减小局部放电信号波形畸变为目标，对小波分解系数进行处理：计算各尺度信号累积能量函数的数学形态学梯度，并计算数学形态学梯度的陡峭度；将陡峭度与某一阈值进行比较，若陡峭度大于该阈值认为该尺度包含局部放电信号，该尺度小波系数保持不变；否则该尺度仅包含噪声信号，将其小波系数置为零；4)根据处理后的小波系数进行小波重构，得到去噪后的局部放电特高频信号。
【IPC分类】G01R31/12, G06F19/00
【公开号】CN105223482
【申请号】CN201510697143
【发明人】朱明晓, 张家宁, 邓军波, 张冠军, 刘孝为, 郭安祥
【申请人】西安交通大学, 国家电网公司, 国网陕西省电力公司电力科学研究院
【公开日】2016年1月6日
【申请日】2015年10月22日